Calculateur de percentiles de temps de réponse d'API | De P50 à P99 en un collage
Collez une liste de temps de réponse de votre API ou serveur web et obtenez les percentiles P50, P90, P95 et P99 avec la moyenne, la médiane, l'écart-type, le minimum, le maximum et un histogramme de distribution. L'outil met en évidence la latence de queue qu'une simple moyenne dissimule, directement dans le navigateur.
💡 À propos de cet outil
Si vous résumez la vitesse de votre service à « 80 ms en moyenne », vous masquez sans le vouloir les requêtes lentes que subit une petite partie des utilisateurs. Neuf réponses rapides sur dix ne changent rien pour l'utilisateur bloqué sur la dixième, et c'est justement cette requête lente qui déclenche les tickets de support et les manquements aux SLA.
Un percentile indique quelle proportion de vos données se situe à une valeur donnée ou en dessous. Un P95 de 320 ms signifie que 95 % des requêtes ont répondu en 320 ms ou moins. Les profils backend et SRE s'appuient sur P95 et P99 plutôt que sur la moyenne, car les percentiles élevés reflètent bien mieux l'expérience réellement perçue.
Collez une colonne de temps exportée de vos journaux et l'outil calcule les quatre percentiles clés, plus la moyenne, la médiane, l'écart-type, le minimum, le maximum et le nombre de valeurs. L'histogramme révèle la forme de la distribution d'un coup d'œil, pour distinguer un groupe resserré d'une longue queue traînante.
🧐 Questions fréquentes
Dans quel format saisir les valeurs ? Une par ligne, ou séparées par des virgules ou des espaces. Les caractères non numériques et les lignes vides sont ignorés automatiquement, donc coller directement depuis une colonne de journal fonctionne très bien.
Les valeurs doivent-elles être en millisecondes ? Le calcul s'effectue sur les nombres que vous collez, donc des secondes ou des microsecondes conviennent aussi. L'étiquette affichée est fixe (« ms »), gardez donc des unités cohérentes lorsque vous lisez les résultats.
Comment les percentiles sont-ils calculés ? L'outil trie vos données et utilise une interpolation linéaire entre les rangs les plus proches. Lorsque la position d'un percentile tombe entre deux points, il les combine proportionnellement plutôt que d'arrondir à un seul échantillon.
Pourquoi ma moyenne et ma médiane (P50) sont-elles si éloignées ? Dans une distribution à longue queue, une poignée de très grandes valeurs tire la moyenne vers le haut tandis que la médiane bouge à peine. Plus l'écart est large, plus vos données penchent vers les valeurs lentes.
Pourquoi l'histogramme ne s'affiche-t-il pas ? Une distribution a besoin d'au moins deux points de données pour former des intervalles. Collez plusieurs valeurs ensemble plutôt qu'un seul nombre et le graphique s'affichera.
📚 Pourquoi P99 retient autant l'attention
Dans un service à fort trafic, un seul utilisateur déclenche souvent des dizaines d'appels d'API au cours d'une même session. Même si P99 ne signifie que « lent une fois sur cent », un écran qui enchaîne vingt appels a une probabilité bien plus grande de rencontrer au moins une requête lente à chaque chargement. C'est précisément cet effet cumulatif qui explique pourquoi la latence de queue, et non la moyenne, façonne la rapidité ressentie d'un produit.
Voilà pourquoi les équipes d'exploitation surveillent des percentiles élevés comme P95 et P99 plutôt que la moyenne. Lus avec l'écart-type et l'histogramme, les percentiles permettent de distinguer le « lent en permanence » du « rapide d'habitude mais avec des pics ponctuels », ce qui constitue une bonne moitié du travail quand on traque un goulot d'étranglement.